(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210111581.0 (22)申请日 2022.01.29 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 王昊　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 李哲　臧建明 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/40(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) (54)发明名称 图像处理、 模型训练方法、 装置、 设备、 存储 介质及程序 (57)摘要 本公开提供了图像处理、 模型训练方法、 装 置、 设备、 存储介质及程序， 涉及人工智能领域， 尤其涉及计算机视觉和深度学习技术领域。 具体 实现方案为： 获取待处理的第一图像， 对第一图 像进行特征提取， 得到第一图像特征， 根据M种特 征增强方式， 对所述第一图像特征进行M次特征 增强处理， 得到M个第二图像特征， 所述M为大于 或等于1的整数； 对所述M个第二图像特征进行分 类处理， 得到 所述第一图像的类别。 上述过程， 一 方面提高了图像 分类结果的准确性， 另一方面提 高了分类效率。 权利要求书6页 说明书16页 附图6页 CN 114463584 A 2022.05.10 CN 114463584 A 1.一种图像处 理方法， 包括： 获取待处 理的第一图像； 对所述第一图像进行 特征提取， 得到第一图像特 征； 根据M种特征增强方式， 对所述第一图像特征进行M次特征增强处理， 得到M个第二图像 特征， 所述M为大于或等于1的整数； 对所述M个第二图像特 征进行分类处 理， 得到所述第一图像的类别。 2.根据权利要求1所述的方法， 其中， 根据M种特征增强方式， 对所述第 一图像特征进行 M次特征增强处 理， 得到M个第二图像特 征， 包括： 根据每一特征增强方式， 在所述第 一图像特征中确定第 一子图像特征和第 二子图像特 征； 根据每一特 征增强方式， 对所述第一子图像特 征进行处 理， 得到目标增强参数； 根据所述目标增强参数对所述第 二子图像特征进行特征增强处理， 得到每一特征增强 方式对应的所述第二图像特 征。 3.根据权利要求2所述的方法， 其中， 根据每一特征增强方式， 对所述第一子 图像特征 进行处理， 得到目标增强参数， 包括： 在所述第一子图像特 征中确定第三子图像特 征和第四子图像特 征； 根据所述特征增强方式对应的位置编码参数， 对所述第 三子图像特征进行位置编码处 理， 得到位置矩阵； 对所述第三子图像特 征和所述第四子图像特 征进行预设运算， 得到权重系数矩阵； 根据所述 位置矩阵和所述权 重系数矩阵， 确定所述目标增强参数。 4.根据权利要求3所述的方法， 其中， 对所述第 三子图像特征和所述第四子图像特征进 行预设运算， 得到权重系数矩阵， 包括： 对所述第三子图像特 征和所述第四子图像特 征进行相乘处 理， 得到中间融合结果； 利用激活函数对所述中间融合结果进行处 理， 得到所述权 重系数矩阵。 5.根据权利要 求2至4任一项所述的方法， 其中， 所述第一图像特征包括K1个通道对应的 通道特征； 根据每一特征增强方式， 在所述第一图像特征中确定第一子图像特征和第二子 图像特征， 包括： 根据所述特征增强方式对应的卷积参数对所述第 一图像特征进行卷积处理， 得到第 三 图像特征， 所述第三图像特 征中包括K2个通道对应的通道特 征， K2＜K1； 对所述第三图像特征进行通道分解处理， 得到所述第 一子图像特征和所述第 二子图像 特征。 6.根据权利要求2至5任一项所述的方法， 其中， 根据所述目标增强参数对所述第二子 图像特征进行特征增强处 理， 得到每一特 征增强方式对应的所述第二图像特 征， 包括： 对所述目标增强参数和所述第二子图像特 征进行相乘处 理， 得到增强图像特 征； 对所述增强图像特 征进行卷积处理和池化处 理， 得到所述第二图像特 征。 7.根据权利要求1至6任一项所述的方法， 其中， 对所述第 一图像进行特征提取， 得到第 一图像特 征， 包括： 对所述第一图像进行 卷积处理， 得到第1卷积图像， 所述第1卷积图像中包括 N1个通道； 对第i卷积图像进行通道扩充处理， 得到第i+1卷积图像； 所述i依次取1、 2、 …、 N， 所述权　利　要　求　书 1/6 页 2 CN 114463584 A 2第i+1卷积图像包括 Ni+1个通道， Ni+1＞Ni； 根据所述第N+1卷积图像确定所述第一图像特 征。 8.根据权利要求1至7任一项所述的方法， 其中， 对所述M个第二图像特征进行分类处 理， 得到所述第一图像的类别， 包括： 对所述M个第二图像特 征进行融合处 理， 得到融合图像特 征； 对所述融合图像特 征进行分类处 理， 得到所述第一图像为预设类别的概 率； 若所述概率大于或者 等于预设阈值， 则确定所述第一图像的类别为所述预设类别； 若所述概率小于预设概 率， 则确定所述第一图像的类别为非预设类别。 9.根据权利要求1至8任一项所述的方法， 其中， 对所述第一图像进行 特征提取， 得到第一图像特 征， 包括： 通过预设模型对所述第一图像进行 特征提取， 得到第一图像特 征； 根据M种特征增强方式， 对所述第一图像特征进行M次特征增强处理， 得到M个第二图像 特征， 包括： 通过所述预设模型根据M种特征增强方式， 对所述第一图像特征进行M次特征增强处 理， 得到M个第二图像特 征； 对所述M个第二图像特 征进行分类处 理， 得到所述第一图像的类别， 包括： 通过所述预设模型对所述M个第二图像特 征进行分类处 理， 得到所述第一图像的类别。 10.根据权利要求1至9任一项所述的方法， 对所述M个第二图像特征进行分类处理， 得 到所述第一图像的类别之后， 还 包括： 显示所述第一图像的类别； 或者， 向预设设备发送所述第一图像的类别。 11.一种模型训练方法， 包括： 获取第一样本图像和所述第一样本图像对应的标记类别； 通过预设模型对所述第一样本图像进行 特征提取， 得到第一图像特 征； 通过所述预设模型根据M种特征增强方式， 对所述第一图像特征进行M次特征增强处 理， 得到M个第二图像特 征， 所述M为大于或等于1的整数； 通过所述预设模型对所述M个第二图像特征进行分类处理， 得到所述第一样本 图像的 预测类别； 根据所述标记类别和所述预测类别， 更新所述预设模型的模型参数。 12.根据权利要求11所述的方法， 其中， 根据M种特征增强方式， 对所述第 一图像特征进 行M次特征增强处 理， 得到M个第二图像特 征， 包括： 根据每一特征增强方式， 在所述第 一图像特征中确定第 一子图像特征和第 二子图像特 征； 根据每一特 征增强方式， 对所述第一子图像特 征进行处 理， 得到目标增强参数； 根据所述目标增强参数对所述第 二子图像特征进行特征增强处理， 得到每一特征增强 方式对应的所述第二图像特 征。 13.根据权利要求12所述的方法， 其中， 根据每一特征增强方式， 对所述第一子 图像特 征进行处 理， 得到目标增强参数， 包括： 在所述第一子图像特 征中确定第三子图像特 征和第四子图像特 征；权　利　要　求　书 2/6 页 3 CN 114463584 A 3